【目的】 以空调负荷为主体的柔性负荷虚拟电厂（virtual power plant， VPP）在实际运行中易受控制时延、模型与量测误差等不确定性的影响，使削峰需求响应（demand response， DR）的效果偏离预期。导致该现象的重要原因为现有的DR策略往往依据静态的目标负荷曲线进行负荷跟踪，难以适应时变的运行环境。【方法】 以园区大规模分体式变频空调为例，提出柔性负荷VPP参与削峰DR的自适应控制方法，在需求响应邀约允许范围内依据当前的运行环境来调整后续DR时段的目标负荷曲线，有效提升了削峰DR的经济性和鲁棒性。在所提闭环控制模型中，被控过程被解耦为小规模且线性的进度偏差模型和削峰电量修正模型，二者分别置于控制器和反馈环节。其中，进度偏差模型将计划削峰电量分摊至空调，其解满足功率约束和用户舒适度约束；削峰电量修正模型结合削峰DR的响应实况来自适应调整后续控制时刻的目标负荷曲线，用于抵消不确定性对控制效果的负面影响。【结果】 算例以4类变频空调集群为研究对象，在市场模式和邀约模式下，探讨了不同削峰策略、模型与量测误差和控制时延对VPP参与削峰DR的影响，侧重验证所提方法的经济性和鲁棒性。【结论】 结果表明，所提基于动态目标负荷曲线的削峰DR自适应控制方法，能够根据实际响应情况自适应地调整目标负荷曲线，在控制精度、经济收益和鲁棒性方面表现优越。

【目的】 为了保证虚拟电厂调度策略的低碳经济性，提出了考虑新型分布式资源与电碳交易的虚拟电厂分布鲁棒低碳调度模型。【方法】 首先，建立了虚拟电厂电碳交易框架。其次，在虚拟电厂中针对电制氢系统与碳捕集系统这2种新型分布式资源进行建模，并考虑储能、风电、光伏等传统分布式资源。接着，以成本最小化为目标，建立虚拟电厂低碳调度模型。鉴于风光出力与电氢负荷的精确概率分布难以获得，利用1范数和无穷范数构建其概率分布不确定集合，为避免传统多离散场景分布鲁棒方法的复杂迭代过程，将分布鲁棒调度模型进行对偶转化求解。最后通过算例验证了所提分布鲁棒调度模型在处理源荷不确定性、提升虚拟电厂调度经济性与低碳性方面的有效性。【结果】 考虑电碳交易比不考虑电碳交易降低了约24.7%，过剩的清洁能源可全部在电力市场售出，使运行调度实现获利；同时考虑碳捕集系统与电制氢系统后，弃电量与运行成本比仅考虑碳捕集系统分别进一步降低了约34.7%和28.1%，比仅考虑电制氢系统分别进一步降低了约2.6%和1.8%；所提分布鲁棒方法的总收益误差约为1.7%，求解速度提升了约40%。【结论】 考虑电碳交易或同时考虑电制氢系统与碳捕集系统这2种新型分布式资源能够降低调度成本、弃电量与碳排放，且所提分布鲁棒方法决策结果精确性良好，求解速度得到大幅提升。

【目的】 在新能源高渗透率背景下，多虚拟电厂（virtual power plant，VPP）协同运行面临不确定性风险与利益冲突的双重挑战，提出一种融合风险量化与混合博弈的多VPP协同优化策略，将条件风险价值（conditional value-at-risk， CVaR）风险量化方法与多主体博弈框架深度结合，为高比例新能源接入下的多VPP协同优化研究提供了新思路。【方法】 首先，设计拉丁超立方采样与曼哈顿概率距离结合的场景分析法以处理风光、电价不确定性，采用CVaR衡量不确定性风险影响；其次，搭建配电网运营商（distribution system operator， DSO）与VPP联盟的Stackelberg博弈框架，VPP联盟基于合作博弈，建立计及电能贡献度的非对称纳什议价模型，并将模型分解为联盟效益最大化和合作效益分配2个子问题；最后，采用二分法和交替方向乘子法（alternating direction method of multipliers， ADMM）求解混合博弈模型。【结果】 仿真结果表明，所提多VPP协同优化策略能够有效提高VPP联盟运行经济性，提升面临不确定性风险时的运行可靠性与安全性。【结论】 所提策略提升了多VPP协同运行灵活性，在CVaR风险量化与多主体博弈的作用下，提高系统运行综合效益的同时实现公平的合作效益分配，且VPP可根据风险厌恶系数平衡风险-效益关系，为VPP制定合理调度决策提供参考。

【目的】 针对分布式资源高比例接入配电网并参与不同层级电网协同运行的问题挑战，提出了虚拟电厂（virtual power plant，VPP）在配网侧分层聚合并参与现货出清模型。【方法】 配网运营商首先将不同分布式资源在配网台区层面聚合为虚拟电厂交易单元；然后，在配网层面建立综合考虑虚拟电厂和配电网线路约束的配网侧虚拟电厂灵活性调度模型；最后，以非迭代方式对配网侧虚拟电厂灵活性调度与现货市场出清模型进行协同优化。通过IEEE标准算例对所提模型的市场出清成本、主配网运行情况以及计算效率进行了对比分析，验证了所提模型的有效性。【结果】 所提方法在仿真场景中的主配网预期收益与非协同场景相比提升了4.4%，计算时间相当于迭代计算方法降低了77.8%。【结论】 所提模型能够满足输配多层级电网的灵活性需求，提高了系统对新能源的消纳能力。

【目的】 随着规模化电动汽车（electric vehicle，EV）的发展，其大规模接入对电网运行带来新的挑战，亟待充分挖掘电动汽车的灵活调节能力，以提升电网运行的安全性与经济性。虚拟电厂（virtual power plant， VPP）作为聚合多类分布式资源的高效模式，为EV参与电网运行提供了新的解决方案，文章提出了基于条件风险价值（conditional value at risk ，CVaR）的虚拟电厂与电动汽车主从博弈优化策略。【方法】 文章构建包含VPP与EV两层决策主体的Stackelberg博弈模型。上层以VPP收益最大化为目标，引入CVaR理论，量化并规避由EV充放电不确定性引发的风险，制定风险感知的充放电服务价格；下层以EV用户充放电成本最小为目标，引入包含成本满意度与体验满意度的效用函数，刻画EV用户响应行为。【结果】 通过设置含光伏、风电、储能和300辆EV的VPP系统，开展数值仿真与多场景对比分析，验证了所提策略在降低负荷峰谷差、降低EV用户平均充放电成本以及提升VPP收益稳定性方面的有效性，具备较强的工程适用性。【结论】 所提基于CVaR的VPP与EV主从博弈策略能够兼顾电网调控需求与用户行为偏好，在复杂不确定环境下实现多方利益协调，提升系统的经济性与稳定性。研究结果为电动汽车参与电力市场交易与虚拟电厂风险管理提供了可行的方法参考。

在新型电力系统建设背景下，微电网、商业楼宇等不同规模主体形态的产消者日益增多。而产消者集群聚合互联形成的虚拟电厂（virtual power plant，VPP）能够协同优化灵活性资源，通过电能交互和功率互济实现集群整体的效益提升。为实现多产消者的协同运行，提出了虚拟电厂运营商和多产消者混合博弈策略。首先，构建了虚拟电厂运营商和多产消者的主从博弈模型。虚拟电厂运营商作为领导者动态调整电价，多产消者作为跟随者，考虑到内部新能源不确定性，基于分布鲁棒机会约束进行优化调度。然后，在主从博弈的调度策略和交易结果的基础上，构建了多产消者的合作博弈模型。提出了基于能量贡献度的合作收益分配策略，实现多产消者合作联盟收益公平合理的分配。最后，通过算例分析验证了所提混合博弈策略的合理性与优越性。

为进一步规范绿证核发与交易，国家能源局颁布的新政策规定对上网可再生能源电量核发可交易绿证，自发自用可再生能源电量核发不可交易绿证。两类绿证均可进行碳排放抵扣。鉴于此，为充分发挥两类绿证对虚拟电厂（virtual power plant，VPP）经济性与绿色低碳性的提升作用，在VPP日前运行策略构建中实现了VPP的绿证交易与碳排放抵扣。首先，基于VPP可再生能源发电部分的“自发自用，余电上网”模式，考虑电储能对可再生/非可再生能源电量的充放策略，计算VPP两类绿证所对应电量。其次，提出绿证的碳排放抵扣方法，计算两类绿证下的VPP碳排放抵扣量总和。然后，以电-碳-绿证耦合市场下的总收益最大化为目标，构建耦合市场下VPP最优日前运行策略模型。算例表明：通过新政策下的碳-绿证联合交易，所提方法提升了VPP的经济性与新能源消纳能力，进一步推动了能源系统的整体碳减排。

“双碳”目标驱动下，新能源高比例接入给电力系统调节能力带来了新挑战。虚拟电厂（virtual power plant，VPP）作为挖掘需求侧灵活性资源的有效手段，受到业界广泛关注与推广应用。但是，目前虚拟电厂的应用场景较为单一，未建立起虚拟电厂可持续运营的市场化盈利模型。为解决这一问题，各级政府相继出台了一系列政策，推动虚拟电厂市场化发展。立足于上海实际情况，首先，总结了上海市虚拟电厂的建设发展概况，介绍了上海市虚拟电厂实践的成果和发展的方向；其次，根据国内市场发展情况，对虚拟电厂参与需求响应、现货市场、辅助服务市场的盈利模式进行分析，并对虚拟电厂未来可扩展的业务做简要展望；然后，建立了虚拟电厂参与多类型市场的市场化盈利模型，通过调节能力在不同场景的复用提升其运营效益；最后，通过算例验证了所提模型的有效性和可行性。所得研究成果对于推动虚拟电厂的市场化发展，提高电力系统的调节能力，实现可持续发展目标具有重要意义。

能源聚合服务商有效的负荷预测能力是其参与电力市场的基础，并且是其最终获取最大化市场利润的重要因素。然而，其面临的一大挑战是，预测所需的数据大都分散在各个能源个体手中，由于数据隐私和安全的考虑，各能源个体通常不愿意进行数据共享。这一难题不仅制约了能源聚合服务商运营效率的提升，还对相关能源供应商运营模式的研究与分析形成了一定障碍。为此，提出一种基于联邦学习的能源聚合服务商负荷预测方法，该方法允许在不接触真实数据集的情况下共享它们的信息，从而获得准确有效的负荷预测能力。首先，根据任务需求建立多维环境特征选择的人工神经网络；然后，利用加权平均策略联合训练人工神经网络，在各个能源个体和环境特征之间架起桥梁；最后，将其各自训练过的模型特征发送到能源聚合服务商的服务端进行拟合处理。通过对中国南方某市大型能源聚合服务商的部分数据进行算例分析，结果表明，该方法在提高整体运营效率和平均预测精度方面均取得良好成效。